时间：5月12日，星期三，下午 4：00 - 6：00
地点：数学学院 B327
报告题目：机器学习基础及工具（刘丁）
深度学习第一性原理、熵测量及行为分析（周寅张浩）
机器学习基础及工具
刘丁（计算机科学与技术系）
摘要： 当前机器学习技术已经深入渗透至包括数学、物理、生物、材料等等领域的研究中，引起了各个领域研究者们的广泛关注。本报告将简要介绍机器学习的基本概念、模型、方法和工具，希望能够为各位老师、同学开展机器学习研究、拓展相关科研合作提供一些有益的帮助。
深度学习第一性原理、熵测量及行为分析
周寅张浩（计算机科学与技术系）
摘要：用信息论刻画神经网络行为是一种理解神经网络的重要途径。在对神经网络进行信息学分析时，不可避免地会碰到信息熵的测量。但当前网络使用的数据往往维度高，数据量大，带来的种种性质让当前熵的度量结果并不可靠。因此，许多工作对网络的分析结果往往因人而异，无法得到有效的结论。本报告主要介绍信息论视角下的深度学习理论（信息瓶颈，MCR2第一性原理），和近期我们提出的深度学习中的信息熵测量方法LogDet，和用其分析神经网络的发现。受“MCR2第一性原理”工作的启发，我们发现该测量方法可以拓展多种应用，例如构造优化目标，自动编码器等等，报告将同时介绍未来可能的方向。
报告人简介：
刘丁，天津工业大学计算机科学与技术系讲师，2014年博士毕业于清华大学，2016年至2017年为西班牙光子科学研究所（ICFO）量子信息理论组公派博士后。目前主要研究方向为量子机器学习、机器学习。在New Journal of Physics、Physical Review B、Pattern Recognition Letters、Neural Processing Letters、ACL等学术期刊和会议发表论文十余篇。担任学术期刊Neural Computation、Machine Learning Science and Technology、学术会议NeurIPS 2020 workshop on quantum tensor networks in machine learning审稿人、天津市人工智能学会理事。
周寅张皓，天津工业大学计算机科学与技术系2017级人工智能实验班本科生。近期在刘丁老师的指导下进行深度学习理论分析方面的工作，希望和大家分享交流工作的进展。